美文网首页
12.柱形图&直方图

12.柱形图&直方图

作者: 李慕玄 | 来源:发表于2018-07-08 20:13 被阅读0次

1.柱形图

以长方形的单位长度，根据数据大小绘制的统计图，用来比较两个或以上的数据（时间或类别）。

1.1 柱形图绘图函数

#绘制竖向柱形图
bar(left, height, width, color)

#绘制横向柱形图
barh(bottom, width, height, color)
  • left：x轴的位置序列
  • height：y轴的数值序列
  • width：柱形图的宽度
  • color：柱形图填充颜色

1.2 单分组柱形图

import numpy
import pandas
import matplotlib
from matplotlib import pyplot as plt

font = {
    'family': 'Microsoft YaHei Mono',
    'size': 14        
}

matplotlib.rc('font', **font)

data = pandas.read_csv(
    '/users/bakufu/desktop/6.4/data.csv'        
)
Out[22]: 
            号码       省份  手机  通信      系统   月消费   月流量
0      166547114238   河北  HTC  神州行  Android   298.9   318.6
1      166423353436   河南  HTC  神州行  Android   272.8  1385.9
2      166556915853   福建  HTC  神州行  Android    68.8   443.6
3      166434728749   湖南  HTC  神州行  Android     4.6   817.3
4      166544742252   北京  HTC  神州行  Android   113.2   837.4
5      166827395761   江苏  HTC  神州行  Android    34.3  1908.5
6      166917847616   福建  HTC  神州行  Android   277.5    79.8
7      166528757061   宁夏  HTC  神州行  Android    42.2  1199.2
8      166809774605   上海  HTC  神州行  Android   277.0   694.0
9      166434676621   广东  HTC  神州行  Android   276.9  1404.0
10     166412957510   北京  HTC  神州行  Android   124.5  1436.2
            ...  ...  ...  ...      ...     ...     ...
31401  166817901011   甘肃  HTC  神州行  Android    99.9  1815.5
[31402 rows x 7 columns]

result = data.groupby(
    by=['手机'],
    as_index=False        
)['月消费'].agg({
    '月消费': numpy.sum        
})
Out[44]: 
     手机        月消费
0   HTC       458171.6
1    三星     1009290.8
2    华为      25696.0
3  摩托罗拉    117623.1
4    联想      89443.7
5    苹果     123259.3
6   诺基亚    2840362.9
7    金立      28350.4

#竖向柱形图
index = numpy.arange(
    result.月消费.size        
)
plt.bar(index, result['月消费'])
plt.show()
image.png

1.2.1 优化1，配置颜色

mainColor = (42/256, 87/256, 141/256, 1)
plt.bar(
    index, result['月消费'],
    color=mainColor        
)
plt.show()

1.2.2 优化2，配置x轴刻度

plt.bar(
    index, result['月消费'],
    color=mainColor        
)
plt.xticks(index, result.手机)
plt.show()
image.png

1.2.3 优化3，数据排序

sgb = result.sort_values(
    by="月消费",
    ascending=False        
)
plt.bar(
    index, sgb.月消费,
    color=mainColor        
)
plt.xticks(index, sgb.手机)
plt.show()
image.png

1.2.4 横向柱形图

plt.barh(
    index, sgb.月消费,
    color=mainColor
)
plt.yticks(index, sgb.手机)
plt.show()
image.png

1.3 多分组柱形图

import pandas
import numpy
import matplotlib
from matplotlib import pyplot as plt

font = {
    'family': 'Microsoft YaHei Mono'        
}
matplotlib.rc('font', **font)

data = pandas.read_csv(
    '/users/bakufu/desktop/6.4/data.csv'        
)
Out[54]: 
               号码    省份  手机   通信     系统   月消费    月流量
0      166547114238   河北  HTC  神州行  Android  298.9   318.6
1      166423353436   河南  HTC  神州行  Android  272.8  1385.9
2      166556915853   福建  HTC  神州行  Android   68.8   443.6
3      166434728749   湖南  HTC  神州行  Android    4.6   817.3
4      166544742252   北京  HTC  神州行  Android  113.2   837.4
5      166827395761   江苏  HTC  神州行  Android   34.3  1908.5
6      166917847616   福建  HTC  神州行  Android  277.5    79.8
7      166528757061   宁夏  HTC  神州行  Android   42.2  1199.2
8      166809774605   上海  HTC  神州行  Android  277.0   694.0
9      166434676621   广东  HTC  神州行  Android  276.9  1404.0
10     166412957510   北京  HTC  神州行  Android  124.5  1436.2
            ...  ...  ...  ...      ...    ...     ...
31401  166817901011   甘肃  HTC  神州行  Android   99.9  1815.5
[31402 rows x 7 columns]

result = data.pivot_table(
    values='月消费',
    index='手机',
    columns='通信',
    aggfunc=numpy.sum        
)
Out[56]: 
        全球通     动感地带    神州行                                 
HTC   10789.5    83844.7   363537.4
三星    36769.3   351629.7   620891.8
华为     2087.6     6091.0    17517.4
摩托罗拉   4147.9    47145.1    66330.1
联想     5220.1    27285.4    56938.2
苹果    18746.6    73537.0    30975.7
诺基亚   99367.4  1179443.7  1561551.8
金立     2160.9     6291.2    19898.3

index = numpy.arange(len(result))
minColor = (42/256, 87/256, 141/256, 1/3)
midColor = (42/256, 87/256, 141/256, 2/3)
maxColor = (42/256, 87/256, 141/256, 3/3)
Out[58]: array([0, 1, 2, 3, 4, 5, 6, 7])

#使用排列方式，把数据排列放好，即是多维条形图
plt.bar(
    index, result['全球通'],
    color=minColor, width=1/4        
)
plt.bar(
    index+1/4, result['动感地带'],
    color=midColor, width=1/4        
)
plt.bar(
    index+2/4, result['神州行'],
    color=maxColor, width=1/4        
)
plt.xticks(index+1/3, result.index)
plt.legend['全球通', '动感地带', '神州行']
plt.show()
image.png

1.3.1 优化，数据排序

result = result.sort_values(
    by='神州行', ascending=False        
)

plt.bar(
    index, result['神州行'],
    color=minColor, width=1/4
)
plt.bar(
    index+1/4, result['动感地带'],
    color=midColor, width=1/4        
)
plt.bar(
    index+2/4, result['全球通'],
    color=maxColor, width=1/4        
)
plt.xticks(index+1/3, result.index)
plt.legend(['神州行', '动感地带', '全球通'])
plt.show()
image.png

1.4 堆积柱形图

import numpy
import pandas
import matplotlib
from matplotlib import pyplot as plt

font = {
    'family': 'Microsoft YaHei Mono',
    'size': 14        
}
matplotlib.rc('font', **font)

data = pandas.read_csv(
    '/users/bakufu/desktop/6.4/data.csv'
)
Out[66]: 
               号码    省份  手机   通信     系统   月消费    月流量
0      166547114238   河北  HTC  神州行  Android  298.9   318.6
1      166423353436   河南  HTC  神州行  Android  272.8  1385.9
2      166556915853   福建  HTC  神州行  Android   68.8   443.6
3      166434728749   湖南  HTC  神州行  Android    4.6   817.3
4      166544742252   北京  HTC  神州行  Android  113.2   837.4
5      166827395761   江苏  HTC  神州行  Android   34.3  1908.5
6      166917847616   福建  HTC  神州行  Android  277.5    79.8
7      166528757061   宁夏  HTC  神州行  Android   42.2  1199.2
8      166809774605   上海  HTC  神州行  Android  277.0   694.0
9      166434676621   广东  HTC  神州行  Android  276.9  1404.0
10     166412957510   北京  HTC  神州行  Android  124.5  1436.2
            ...  ...  ...  ...      ...    ...     ...
31401  166817901011   甘肃  HTC  神州行  Android   99.9  1815.5
[31402 rows x 7 columns]

result = data.pivot_table(
    values='月消费',
    index='手机',
    columns='通信',
    aggfunc=numpy.sum        
)
Out[68]: 
        全球通       动感地带        神州行                          
HTC   10789.5    83844.7   363537.4
三星    36769.3   351629.7   620891.8
华为     2087.6     6091.0    17517.4
摩托罗拉   4147.9    47145.1    66330.1
联想     5220.1    27285.4    56938.2
苹果    18746.6    73537.0    30975.7
诺基亚   99367.4  1179443.7  1561551.8
金立     2160.9     6291.2    19898.3

index = numpy.arange(len(result))
minColor = [42/256, 87/256, 141/256, 1/3]
midColor = [42/256, 87/256, 141/256, 2/3]
maxColor = [42/256, 87/256, 141/256, 3/3]
Out[70]: array([0, 1, 2, 3, 4, 5, 6, 7])

result = result.sort_values(
    by="神州行", ascending=False        
)
Out[71]: 
        全球通      动感地带    神州行                                 
诺基亚   99367.4  1179443.7  1561551.8
三星    36769.3   351629.7   620891.8
HTC   10789.5    83844.7   363537.4
摩托罗拉   4147.9    47145.1    66330.1
联想     5220.1    27285.4    56938.2
苹果    18746.6    73537.0    30975.7
金立     2160.9     6291.2    19898.3
华为     2087.6     6091.0    17517.4

#使用排列方式，将数据堆叠放好
plt.bar(
    index, result['神州行'],
    color = maxColor        
)
plt.bar(
    index, result['动感地带'],
    bottom=result['神州行'],
    color = midColor        
)
plt.bar(
    index, result['全球通'],
    bottom=result['神州行']+result['动感地带'],
    color = minColor        
)
plt.xticks(index, result.index)
plt.legend(['神州行', '动感地带', '全球通'])
plt.show()
image.png

1.5 双向柱形图

import numpy
import pandas
import matplotlib
from matplotlib import pyplot as plt

font = {
    'family': 'Microsoft YaHei Mono',
    'size': 14       
}
matplotlib.rc('font', **font)

#解决负号是矩形的问题
matplotlib.rcParams['axes.unicode_minus']=False

data = pandas.read_csv(
    '/users/bakufu/desktop/6.4/data.csv'
)
Out[66]: 
               号码    省份  手机   通信     系统   月消费    月流量
0      166547114238   河北  HTC  神州行  Android  298.9   318.6
1      166423353436   河南  HTC  神州行  Android  272.8  1385.9
2      166556915853   福建  HTC  神州行  Android   68.8   443.6
3      166434728749   湖南  HTC  神州行  Android    4.6   817.3
4      166544742252   北京  HTC  神州行  Android  113.2   837.4
5      166827395761   江苏  HTC  神州行  Android   34.3  1908.5
6      166917847616   福建  HTC  神州行  Android  277.5    79.8
7      166528757061   宁夏  HTC  神州行  Android   42.2  1199.2
8      166809774605   上海  HTC  神州行  Android  277.0   694.0
9      166434676621   广东  HTC  神州行  Android  276.9  1404.0
10     166412957510   北京  HTC  神州行  Android  124.5  1436.2
            ...  ...  ...  ...      ...    ...     ...
31401  166817901011   甘肃  HTC  神州行  Android   99.9  1815.5
[31402 rows x 7 columns]

result = data.pivot_table(
    values='月消费',
    index='手机',
    columns='通信',
    aggfunc=numpy.sum        
)
Out[84]: 
        全球通    动感地带     神州行                                
HTC   10789.5    83844.7   363537.4
三星    36769.3   351629.7   620891.8
华为     2087.6     6091.0    17517.4
摩托罗拉   4147.9    47145.1    66330.1
联想     5220.1    27285.4    56938.2
苹果    18746.6    73537.0    30975.7
诺基亚   99367.4  1179443.7  1561551.8
金立     2160.9     6291.2    19898.3

index = numpy.arange(len(result))
minColor = (42/256, 87/256, 141/256, 1/3)
midColor = (42/256, 87/256, 141/256, 2/3)
maxColor = (42/256, 87/256, 141/256, 3/3)
Out[86]: array([0, 1, 2, 3, 4, 5, 6, 7])

result = result.sort_values(
    by="神州行",
    ascending=False        
)
Out[88]: 
        全球通      动感地带    神州行                                 
诺基亚   99367.4  1179443.7  1561551.8
三星    36769.3   351629.7   620891.8
HTC   10789.5    83844.7   363537.4
摩托罗拉   4147.9    47145.1    66330.1
联想     5220.1    27285.4    56938.2
苹果    18746.6    73537.0    30975.7
金立     2160.9     6291.2    19898.3
华为     2087.6     6091.0    17517.4

#使用排列方式，把数据堆叠放好
plt.barh(
    index,
    result['动感地带'],
    color = minColor        
)
plt.barh(
    index,
    -result['神州行'],
    color = maxColor        
)
plt.yticks(index, result.index)
plt.legend(['动感地带', '神州行'])
plt.show()
image.png

2.直方图

使用一系列等宽不等高的长方形绘制，宽度表示数据范围的间隔，高度表示在给定间隔内数据出现的频数，变化的高度形态表示数据分布情况。

用于显示各组频数分布情况，对比各组频数之间的差异。

直方图绘制函数

hist(x, color, bins, cumulative=False)
  • x：需要进行绘制的向量
  • color：直方图的填充颜色
  • bins：设置直方图的分组个数
  • cumulative：设置是否累积技术，默认是False
import numpy
import pandas
import matplotlib
from matplotlib import pyplot as plt

font = {
    'family': 'Microsoft YaHei Mono',
    'size': 14        
}
matplotlib.rc('font', **font)

data = pandas.read_csv(
    '/users/bakufu/desktop/6.5/data.csv'        
)
Out[99]: 
         日期  购买用户数 广告费用 渠道数
0    2014-01-01   2496   9.14    6
1    2014-01-02   2513   9.47    8
2    2014-01-03   2228   6.31    4
3    2014-01-04   2336   6.41    2
4    2014-01-05   2508   9.05    5
5    2014-01-06   2763  11.36    7
6    2014-01-07   2453   7.78    4
7    2014-01-08   2449   8.44    4
8    2014-01-09   2358   7.39    5
9    2014-01-10   2419   8.17    6
10   2014-01-11   2635   9.77    4
..          ...    ...    ...  ...
157  2014-06-30   2377   7.06    2
[158 rows x 4 columns]

mainColor = (42/256, 87/256, 141/256, 1)
Out[101]: (0.1640625, 0.33984375, 0.55078125, 1)

plt.hist(data['购买用户数'], color=mainColor)
plt.show()
image.png 
plt.hist(data['购买用户数'], bins=20, color=mainColor)
plt.show()
image.png 
plt.hist(
    data['购买用户数'], bins=20,
    cumulative=True, color=mainColor        
)
plt.show()
image.png

我的博客即将搬运同步至腾讯云+社区，邀请大家一同入驻：https://cloud.tencent.com/developer/support-plan?invite_code=damdkjbagr91

相关文章

  • 12.柱形图&直方图

    1.柱形图 以长方形的单位长度，根据数据大小绘制的统计图，用来比较两个或以上的数据（时间或类别）。 1.1 柱形图...

  • R语言：统计直方图和核密度估计图

    一、前言 统计直方图也叫频数分布直方图。图形类似柱形图，却与柱形图有着完全不同的作用，主要用于观察连续型变量的分布...

  • Python可视化12|matplotlib-垂直|水平|堆积条

    本文详细介绍matpltlib中垂直、水平和堆积三种柱形图的绘制。 本文将学到什么？ 柱形图（又称柱状图、直方图、...

  • matplotlib的使用

    matplotlib.pyplot 绘制线性直线 例如 柱形图、直方图、散点图的绘制 面向对象形式的绘图与饼图的绘...

  • #Python小组第四期3组第四次学习总结#

    [TOC] 第六章 图形要素 参考B组课程 散点图、折线图 线型区分 饼图 比例 柱形图、直方图 方向区别，频度等...

  • 大数据中的统计学基础——Day1

    本章内容 统计学分类 均值、中位数、众数 方差、标准差 直方图 箱线图 茎叶图 线图 柱形图 饼图 一、统计学的分...

  • python matplotlib(pymatplotlib)

    堆叠柱形图 并列柱形图 水平柱形图 破损柱形图 分类变量图 堆叠柱形图 并列柱形图 水平柱形图 破损柱形图 分类变量图

  • 直方图-透过现象看本质

    本文大纲 ①直方图-透过现象看本质 ②直方图的构成 ③直方图-案例解析 ④小结 直方图-透过现象看本质 直方图记录...

  • 9.4直方图均衡化

    原图 原图直方图 灰度图 灰度直方图 均衡灰度图 均衡灰度直方图 均衡彩色图 均衡彩色直方图

  • 四、OpenCV+TensorFlow 入门人工智能图像美化处理

    彩色图片直方图 灰度直方图源码 彩色直方图源码 直方图均衡化 1.灰度 1.1灰度直方图均衡化源码 2.彩色 2....

网友评论

      本文标题：12.柱形图&直方图

      本文链接：https://www.haomeiwen.com/subject/vxhouftx.html

      延伸阅读

      深度阅读

      • 您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

      栏目导航

      热点阅读

      关于我们|服务条款|联系我们|12.柱形图&直方图|投稿指南|网站地图|RSS订阅|排版工具|手机版

      提供经典美文摘抄,优美散文欣赏,现代诗歌精选,短篇小说,心情随笔,表白情书范文,故事会在线阅读欣赏

      Copyright © 2014-2023 Haomeiwen.com All Rights Reserved. 好美文阅读网 版权所有

      备案信息：桂公网安备 45052102000051号 · 桂ICP备13007215号-3

      本站所收录作品、热点评论等信息部分来源互联网，目的只是为了系统归纳学习和传递资讯

      所有作品版权归原创作者所有，与本站立场无关，如不慎侵犯了你的权益，请联系我们告知，我们将做删除处理！